基于ERP系統(tǒng)的行政事業(yè)單位全面預(yù)算管理應(yīng)用研究

盧 宏

(亳州職業(yè)技術(shù)學(xué)院 管理系,安徽 亳州 236800)

ERP系統(tǒng)是行政事業(yè)單位會計中重要的數(shù)據(jù)分析系統(tǒng)之一[1]。通過數(shù)據(jù)描述事物間的相似性和差異性，從而方便人們掌握事物的內(nèi)部規(guī)律[2]。ERP系統(tǒng)是行政事業(yè)單位全面預(yù)算管理中常用的系統(tǒng)，因其具有應(yīng)用廣泛、收斂速度快、能擴(kuò)展等優(yōu)點(diǎn)被人們廣泛研究及應(yīng)用到各領(lǐng)域[3-4]?，F(xiàn)實(shí)生活中，許多問題不僅要計算出其極值,還要得出其最優(yōu)值[5]。傳統(tǒng)算法已經(jīng)不能同時滿足解決更多問題，在這種情況下許多學(xué)者對相應(yīng)缺陷進(jìn)行了大量研究，進(jìn)行了不同的改進(jìn)[6]。

本文提出了基于ERP系統(tǒng)的行政事業(yè)單位全面預(yù)算管理法。該方法著重解決ERP系統(tǒng)的初始化和搜索全局最優(yōu)中心值的問題，同時滿足不易陷入局部最優(yōu)問題；行政事業(yè)單位全面預(yù)算管理目標(biāo)是將數(shù)據(jù)集中所有點(diǎn)看做是數(shù)據(jù)中心點(diǎn)從而尋找到更好的數(shù)據(jù)中心。實(shí)驗(yàn)結(jié)果表明CBMLAI能夠達(dá)到良好的尋優(yōu)和搜索性能，并得到了滿意的數(shù)據(jù)結(jié)果,很好地彌補(bǔ)了傳統(tǒng)全面預(yù)算管理的不足。

一、基于ERP的數(shù)據(jù)流程分析

ERP是一種比較新型的信息管理系統(tǒng)，它主要的應(yīng)用領(lǐng)域涉及許多不同市場以及不同級別的組織部門，利用自身比較強(qiáng)大的數(shù)據(jù)庫資源和可視化人機(jī)交互界面操作系統(tǒng)，能夠高效地進(jìn)行不同部門以及公司行政管理資源的需要，使得行政管理部門可以高效率地進(jìn)行各種活動計劃以及實(shí)時反映企業(yè)單位的數(shù)據(jù)信息。進(jìn)而實(shí)現(xiàn)對其企業(yè)行政資源的有效管理。

如今在計算機(jī)應(yīng)用領(lǐng)域中對數(shù)據(jù)信息的處理方法越來越多，數(shù)據(jù)信息管理也逐漸的在社會生產(chǎn)實(shí)踐中使用，在許多的分析數(shù)據(jù)算法中如何確定一種高效、實(shí)用性強(qiáng)的算法已經(jīng)成為數(shù)據(jù)信息管理研究者比較注重的問題，“結(jié)構(gòu)化分析”就是一種符合數(shù)據(jù)信息管理的方法，它可以對各種大型化數(shù)據(jù)進(jìn)行分析，特別是企業(yè)的行政管理全面預(yù)算管理方面。世界上很多跨國大企業(yè)使用的預(yù)算管理系統(tǒng)采用結(jié)構(gòu)化分析的方法，通過仔細(xì)的考察和分析國際上通用的預(yù)算方案的數(shù)據(jù)信息管理流程，綜合以往的業(yè)務(wù)流程過程，融入ERP管理模式，可用圖1的流程圖來分析全面預(yù)算管理信息系統(tǒng)。

圖1 預(yù)算管理信息系統(tǒng)的流程圖

二、ERP系統(tǒng)數(shù)據(jù)優(yōu)化過程

本文將DFA與K-means有效地結(jié)合起來改進(jìn)得到CBMLAI。DFA應(yīng)用到求解數(shù)據(jù)問題中，每個ERP系統(tǒng)的位置代表一組初始中心解，ERP系統(tǒng)的全面預(yù)算管理能力取決于待優(yōu)化數(shù)據(jù)的適應(yīng)度函數(shù)。適應(yīng)度最好的個體則作為K-means的初始數(shù)據(jù)中心，進(jìn)行精確尋優(yōu)，進(jìn)一步找到最優(yōu)的預(yù)算管理系統(tǒng)和最優(yōu)的系統(tǒng)數(shù)據(jù)。通過這種轉(zhuǎn)換,既能夠保證預(yù)算管理問題解的可行性,又無須修改ERP系統(tǒng)操作。

算法1 :CBMLAI執(zhí)行過程如下：

輸出：k個數(shù)據(jù)集,每個數(shù)據(jù)集包含的數(shù)據(jù)子集。

(1)初始化ERP系統(tǒng)信息數(shù)據(jù)；

(2)循環(huán)以下過程當(dāng)達(dá)到最大搜索次數(shù)終止運(yùn)算管理；

2.更新相對全面預(yù)算管理能力并記錄預(yù)算管理能力最強(qiáng)的ERP系統(tǒng)?位置和數(shù)據(jù)結(jié)果，決定ERP系統(tǒng)的預(yù)算管理能力；

3.若當(dāng)前預(yù)算管理能力最強(qiáng)的ERP系統(tǒng)超出預(yù)算額度,則進(jìn)行隨機(jī)擾動，更新ERP系統(tǒng)的位置和預(yù)算額度；

4.解碼最優(yōu)適應(yīng)度值的個體得到數(shù)據(jù)中心值，該數(shù)據(jù)中心為K-means算法的初始中心；

5.執(zhí)行K-means算法；

6.計算試圖替換后的目標(biāo)函數(shù)值，最終替換為更小的目標(biāo)函數(shù)值。

(3)輸出結(jié)果

CBMLAI算法的時間復(fù)雜度為O(n)2，n是ERP系統(tǒng)數(shù)目。

三、ERP系統(tǒng)下CBMLAI的實(shí)現(xiàn)

針對ERP系統(tǒng)中原有的固定值a在搜索解的過程中算法精度低，易陷入局部最優(yōu)解的問題。通過下式計算行政事業(yè)單位全面預(yù)算管理大?。?/p>

(1)

其中：α′為ERP系統(tǒng)每一代的ERP系統(tǒng)因子，D(ci)t+1為ERP系統(tǒng)信息數(shù)據(jù)移動后的數(shù)據(jù)集間距離的和。

在優(yōu)化中，對于一個類數(shù)據(jù)集來說，它的數(shù)據(jù)集間距離的和反映了該數(shù)據(jù)集的聚合程度。定義如下：

D(ci)=dist(x-ci)2

(2)

對ERP系統(tǒng)位置更新,公式為

(3)

其中：β′為預(yù)算額度，α′為ERP系統(tǒng)因子，新的預(yù)算額度公式如下：

β′=βmin+(β0-βmin)e-γrij

(4)

fitness=min(dist(-ci)2)

(5)

其中，dist(-ci)2是樣本x到對應(yīng)數(shù)據(jù)中心的距離。

四、實(shí)驗(yàn)結(jié)果與分析

(一) 實(shí)驗(yàn)相關(guān)設(shè)置

本文選用UCI作為數(shù)據(jù)庫，C語言編程環(huán)境實(shí)現(xiàn)算法，并且采用了3個不同數(shù)據(jù)規(guī)模的數(shù)據(jù)集來驗(yàn)證改進(jìn)后的算法的有效性。測試集信息如表1所示。

表1 數(shù)據(jù)集信息統(tǒng)計表

(6)

其中，n是數(shù)據(jù)集的樣本數(shù)，error是每一次實(shí)驗(yàn)數(shù)據(jù)結(jié)果的錯誤率，Class(i)是標(biāo)準(zhǔn)數(shù)據(jù)集的數(shù)據(jù)結(jié)果集，Cluster(i)是實(shí)驗(yàn)結(jié)果數(shù)據(jù)集。

魯棒性指標(biāo)可直接用多次實(shí)驗(yàn)結(jié)果的均方差來參考，計算公式如下：

(7)

其中：mean為算法多次運(yùn)行得到的平均值，R是該問題的真實(shí)最優(yōu)值。E越小，魯棒性越高。

(二)實(shí)驗(yàn)結(jié)果與分析

CBMLAI與K-means、DFA(DFA-Kmeans)進(jìn)行比較。不同行政事業(yè)單位全面預(yù)算管理性能結(jié)果如表2至表4所示。

表2 Iris數(shù)據(jù)集實(shí)驗(yàn)結(jié)果

表3 Glass數(shù)據(jù)集實(shí)驗(yàn)結(jié)果

表2和表3中已經(jīng)表明K-means、DFA、CBMLAI數(shù)據(jù)誤差，所得到的結(jié)果證明了所提出的方法的準(zhǔn)確性和效率。本方法與其他方法相比可以減少數(shù)據(jù)管理誤差。加入ERP系統(tǒng)后的DFA,在準(zhǔn)確率上得到提高、錯誤率范圍最小，表明了本文算法的穩(wěn)定性優(yōu)于K-means。同時由表1～3可以看出，數(shù)據(jù)結(jié)果的準(zhǔn)確度也受數(shù)據(jù)類型和維數(shù)的變化而影響。Iris數(shù)據(jù)集的數(shù)據(jù)效果最好，而Glass數(shù)據(jù)集本身的數(shù)據(jù)屬性較為復(fù)雜，數(shù)據(jù)間的差異度大，所以得到的數(shù)據(jù)結(jié)果準(zhǔn)確度低。同一算法優(yōu)化不同的數(shù)據(jù)集，整體來說CBMLAI的數(shù)據(jù)結(jié)果最為滿意，比K-means和DFA有更好的效率。

為了直觀的看到不同算法的收斂速度和信息數(shù)據(jù)進(jìn)化，比較K-means、DFA和CBMLAI，表明CBMLAI數(shù)據(jù)效果更好，繪制出尋優(yōu)過程,如圖2、圖3所示。

圖2 Iris數(shù)據(jù)集尋優(yōu)曲線

圖3 Glass數(shù)據(jù)集尋優(yōu)曲線

由圖2、圖3的適應(yīng)度進(jìn)化曲線可以看出，本文CBMLAI算法在收斂早期根據(jù)信息數(shù)據(jù)最優(yōu)的ERP系統(tǒng)預(yù)算額度所有ERP系統(tǒng)個體全局尋優(yōu)且保持一個高的收斂速度；CBMLAI算法還保持DFA原有的特點(diǎn)，并能利用數(shù)據(jù)大小收縮跳出局部最優(yōu)，彌補(bǔ)了DFA算法的不足，整體表現(xiàn)著較快的收斂速度及較高的收斂精度，算法性能最優(yōu)。K-means雖然尋優(yōu)速度最快，但隨著數(shù)據(jù)復(fù)雜程度的增加，尋優(yōu)效果表現(xiàn)的差強(qiáng)人意。

五、結(jié)語

本文針對行政事業(yè)單位全面預(yù)算管理問題，利用ERP系統(tǒng)較強(qiáng)的隨機(jī)搜索性，解決了K-means對初始數(shù)據(jù)的依賴，提高了算法穩(wěn)定的尋優(yōu)能力。通過在算法中加入ERP系統(tǒng)，有效防止了算法陷入局部最優(yōu)值,提高了捕獲到全局最優(yōu)值的可能性，并提高了算法的求解精度。因此，改進(jìn)后的預(yù)算管理方法更有效。

[參考文獻(xiàn)]

[1] Ciais, P., Gervois, S., Vuichard, N., Piao, S.L., & Viovy, N..Effects of land use change and management on the european cropland carbon balance[J].Global Change Biology, 2015，17(1)：320-338.

[2] Ramos, C.M., Nardi, N.M., Brito, Z.P., Bove, A., Delgado, G., & Cervera, R., et al.Integration of signal processing methods into eeg/erp system[J].Medicine, 2011， 85(2)：95-104.

[3] Fu, H., Pel, A.J., & Hoogendoorn, S.P.Optimization of evacuation traffic management with intersection control constraints[J].IEEE Transactions on Intelligent Transportation Systems, 2015，16(1)：376-386.

[4] Rojek, I., & Jagodziński, M.Hybrid artificial intelligence system in constraint based scheduling of integrated manuDFActuring erp systems[J].Journal of Infectious Diseases,2012，125(3)：229-240.

[5] Mcbane, S.E., Dopp, A.L., Abe, A., Benavides, S., Chester, E.A., & Dixon, D.L., et al..Collaborative drug therapy management and comprehensive medication management-2015[J].Pharmacotherapy, 2015，35(4)：39-50.

[6] Zandi, F.A bi-level constraint-oriented outsourcing framework for orchestration of an erp system[J].International Journal of Production Research, 2014，52(1)：130-148.